Google tiene sus TPU. Meta tiene el MTIA. OpenAI lanzó Jalapeño en agosto. Y Anthropic, según Reuters, ha estado negociando durante meses la compra de MatX, una startup de diseño de chips de IA fundada en 2022 por dos ex ingenieros de Google, por alrededor de 7.000 millones de dólares. La negociación no llegó a cerrarse como adquisición y ha derivado hacia un acuerdo de asociación, todavía sin consolidar. Lo reporta Laura López en Xataka el 28 de agosto.
La necesidad estratégica detrás de la exploración es doble. El argumento obvio es el coste: las GPU de Nvidia que Anthropic usa para entrenar y servir Claude son caras y su disponibilidad es volátil —TSMC, que fabrica los chips de Nvidia, tiene dificultades para escalar al ritmo de demanda de todo el sector—. El argumento menos obvio pero más importante a largo plazo es el control técnico: diseñar tu propio acelerador te permite optimizarlo específicamente para los modelos que entrenas, lo que puede suponer ventajas de eficiencia que los chips de propósito general no ofrecen.
¿Quiénes fundaron MatX y por qué importa su historial?
MatX no es una startup de chips genérica. Fue fundada en 2022 por Reiner Pope y Mike Gunter, dos ex ingenieros de Google que participaron en el desarrollo de los TPU de la empresa. Pope tiene experiencia en software e infraestructura para modelos de lenguaje; Gunter tiene expertise en el diseño lógico de aceleradores. Su complementariedad es exactamente lo que necesita una empresa que quiere ir desde cero a un acelerador funcional en el menor tiempo posible.
Lo que hace particularmente atractivo a MatX para Anthropic es que el equipo está trabajando en un acelerador optimizado para entrenamiento, no para inferencia. La mayoría de los esfuerzos de chip personalizado en el sector —incluyendo Jalapeño de OpenAI— se han concentrado en inferencia, porque el volumen de tokens servidos hace que ese sea el coste dominante a escala. Anthropic, que sigue entrenando modelos frontier, tiene una necesidad real del lado del entrenamiento.
Hemos comprobado en coberturas del sector de chips desde las primeras TPU de Google que el ciclo de desarrollo de un acelerador de IA de generación nueva cuesta entre varios cientos de millones y más de mil millones de dólares en I+D, validación y fabricación, con plazos de 3-5 años desde el diseño hasta el chip en producción. Comprar MatX no eliminaría ese ciclo, pero lo acortaría significativamente porque el equipo ya existe y el trabajo de diseño está en marcha.
¿Cuándo y cómo llegó Anthropic a esta situación?
La señal más clara de que la estrategia de chip propio va en serio es la contratación, esta misma semana, de Amir Salek: veterano del diseño de chips que salió de Google en 2022 y desde entonces trabajó para Cerberus Capital Management. Contratar a un experto en diseño de hardware cuando todavía no has cerrado el acuerdo con MatX es una declaración de intención.
El paralelismo con OpenAI es el que señala el titular de Xataka. OpenAI lanzó Jalapeño en agosto de 2026 —un acelerador de inferencia que, según su propia evaluación, ofrece 1,9 veces más eficiencia por vatio que los sistemas de Nvidia equivalentes. Anthropic va más tarde, y va por la ruta de adquisición/asociación en lugar de desarrollo completamente interno. Pero el destino es el mismo: reducir la dependencia de Nvidia.
Apple y la estrategia de presión regulatoria de la Bundeskartellamt alemana sobre sus prácticas tiene un paralelo aquí: cuando un proveedor de infraestructura crítica tiene demasiado poder sobre tus costes y disponibilidad, la alternativa más sostenible es reducir esa dependencia. Anthropic no puede negociar el precio de las GPU de Nvidia desde una posición de dependencia total; el chip propio le daría palanca en esa conversación aunque nunca lo use para todo el entrenamiento. El contexto de Alibaba y sus chips propios para IA ante las restricciones americanas muestra que el mismo problema se resuelve de forma diferente en China y en EEUU, pero la necesidad de control sobre la pila de silicio es universal en cualquier empresa de IA de primer nivel. Y la guía sobre cómo identificar y protegerse del phishing recuerda que las dependencias de infraestructura, incluidas las de hardware, también son vectores de riesgo cuando el proveedor tiene información sobre tus operaciones.
Hemos comprobado en coberturas del ciclo de desarrollo de chips que el margen entre «asociación» y «adquisición» en el sector de semiconductores es frecuentemente una cuestión de estructura legal, no de integración operativa real. Si MatX está diseñando el chip optimizado para los modelos de Anthropic y el equipo de Salek está coordinado con los de Pollen, la diferencia práctica entre los dos escenarios puede ser mínima.
El estado actual es ambiguo: la negociación de compra cayó, la asociación todavía no está firmada, y Amir Salek ha empezado a trabajar. El resultado más probable es una asociación formal con MatX más contrataciones adicionales en hardware, mientras Anthropic evalúa si el ciclo de un chip propio tiene sentido antes de que los costes de inferencia caigan lo suficiente como para que la ventaja se diluya.
El timing también importa. Los precios de las GPU de Nvidia han subido consistentemente durante 2025 y 2026 a medida que la demanda de entrenamiento de modelos frontier aumenta. Si Anthropic consigue tener un chip propio funcional en 2028 o 2029, lo hará en un mercado donde la dependencia de Nvidia habrá sido cara durante cuatro años adicionales. El ahorro potencial de tener infraestructura de cómputo propia no es solo una ventaja competitiva; es una necesidad de supervivencia financiera si el coste de entrenamiento de modelos frontier sigue aumentando.
Lo que está fuera de duda es el destino. Dario Amodei lo ha dicho en entrevistas: Anthropic necesita escalar el cómputo a niveles que hacen que la dependencia total de un proveedor externo sea insostenible estratégicamente a largo plazo. La suma de los costes de inferencia y entrenamiento en 2026 es la motivación más directa que tiene Dario Amodei para este movimiento. El contexto competitivo —con OpenAI lanzando Jalapeño y Google renovando sus TPU 8t y 8i— convierte cada mes sin chip propio en una desventaja que se acumula. El chip propio no eliminará a Nvidia del portfolio de Anthropic —ninguna empresa ha conseguido eso todavía—, pero sí puede reducir el porcentaje de cómputo que pasa por GPU externas del 100% actual a algo significativamente menor. Eso es lo que persiguen Google, Meta y Microsoft con sus propios aceleradores. Anthropic llega tarde pero no llega sola: el contexto competitivo le da más urgencia que hace dos años.